Reward Model

[Cyber-Axe]

请问奖励模型可以单独使用吗？比如对某个input下的模型output返回一个奖励分数。如果可以的话应该如何构造输入文本呢？

[Ablustrund]

当然可以使用，对于中文，输入的多轮QA结构为：<|Human|>hello<|MOSS|>hi</s><|Human|>你好<|MOSS|>嗨</s>

[Warrior63]

请问可以单独出一个reward model的运行脚本吗